基于电力弹簧的智能负载柔性多目标协调控制方法

    公开(公告)号:CN111952960A

    公开(公告)日:2020-11-17

    申请号:CN202010690761.X

    申请日:2020-07-17

    摘要: 本发明提供了一种基于电力弹簧的智能负载柔性多目标协调控制方法,基于Hilbert变换建立单相锁相环,得到的系统频率用于进行定频率控制;基于单相瞬时无功功率理论,测量单相ES输出的无功功率,测量得到的无功功率用于后续进行定无功控制;设计模糊逻辑控制器,根据线路情况制定电压控制与定无功控制的切换规则;建立基于电力弹簧的柔性多目标控制策略的控制模型,通过控制模型完成对智能负载的定频率、定电压和/或定无功的多目标协调控制。本发明能够控制故障情况下的暂态频率,提供更好的暂态电压响应;能够减少故障时电压和频率的跌落,从而保证稳态和暂态时用电侧的电能质量;控制方法更加完善和全面,尤其适用于单相智能负载的控制。

    一种基于边缘计算模型的电力设备声成像图像数据管理方法及系统

    公开(公告)号:CN116319258A

    公开(公告)日:2023-06-23

    申请号:CN202310249285.1

    申请日:2023-03-15

    IPC分类号: H04L41/0631 G06N3/02

    摘要: 本发明公开了一种基于边缘计算模型的电力设备声成像图像数据管理方法及系统,所述预警方法将电力设备声成像图像管理实施阶段当中的声成像图像数据管理阶段划分为若干个声成像图像传输通道管理操作点,然后在各个声成像图像操作点发生时将其传输进展控制参数与对应的操作点预警峰值进行匹配;本发明中还公开了相应预警系统,包括电力设备声成像图像管理划分模块。本发明中的基于边缘计算模型的电力设备声成像图像数据管理方法及系统能够对声成像图像实施前的各个声成像图像数据管理阶段进行不合规预警消息,从而能够提升对电力设备声成像图像管理实施的声成像图像数据完整度管控效果。

    一种电缆附件制作仿真培训系统及方法

    公开(公告)号:CN111899585A

    公开(公告)日:2020-11-06

    申请号:CN202010715362.4

    申请日:2020-07-23

    IPC分类号: G09B9/00 G06Q50/20

    摘要: 本发明公开了一种电缆附件制作仿真培训系统及方法,包括顺次相连的教员机、服务器、学员机和VR设备;教员机发送学员管理信息、任务配置信息和考核管理信息指令至服务器;服务器基于教员机发送的指令,执行预设的处理过程,并将处理结果按照预设的要求发送至教员机或学员机;学员机包括流程处理单元、数据处理单元和渲染处理单元,流程处理单元负责作业流程中的相关任务流的起始设置和判断,数据处理单元用于处理和显示学员输入信息和网络数据,渲染处理单元用于对服务器输出的场景数据进行渲染,并发送至VR设备上进行显示。本发明能够实现在高频率人机交互的情况下,提高在高逼真度的作业环境下的渲染效果,提升培训系统运行的流畅性,提高培训效果。

    电力实训场中人员图像检测中的阴影消除方法

    公开(公告)号:CN113780298A

    公开(公告)日:2021-12-10

    申请号:CN202111088066.7

    申请日:2021-09-16

    摘要: 本发明提供了一种电力实训场中人员图像检测中的阴影消除方法,包括:获取样本数据;判别器判断阴影图像来自生成器生成还是真实阴影图像,将阴影图像与真实阴影图像之间的第一误差反馈给生成器,生成器减小所述第一误差;判别器判断无阴影图像来自生成器还是真实无阴影图像,将无阴影图像与真实无阴影图像之间的第二误差反馈给生成器,生成器减小所述第二误差;生成器与判别器进行反复对抗训练,得出最优的去阴影网络模型;利用所述去阴影网络模型进行去阴影,输入有阴影的电力实训场中人员图像,输出无阴影的电力实训场中人员图像。通过对阴影数据集的大量训练,使神经网络在对抗中不断的自我博弈,从而更好的实现阴影图像的风格迁移。

    一种电子元器件识别方法
    9.
    发明公开

    公开(公告)号:CN117058454A

    公开(公告)日:2023-11-14

    申请号:CN202311032689.1

    申请日:2023-08-16

    摘要: 本发明公开了一种电子元器件识别方法,包括:建立基于改进注意力机制和YOLOv3的神经网络模型;其中,所述神经网络模型包括:YOLOv3模型的Darknet‑53网络,注意力机制,YOLOv3模型的特征融合模块和YOLOv3模型的输出模块;对待识别的图像进行预处理,得到具有统一尺寸的RGB图像;将RGB图像构建成元组的形式输入到所述神经网络模型中,采用Darknet‑53网络对接收到的RGB图像进行图像特征提取,得到预设倍降采样的特征;将所述预设倍降采样的特征输入至所述注意力机制中,经注意模块学习后得到注意图;将所述注意图输入至所述特征融合模块中,经过特征融合之后得到不同的最终特征图;根据最终特征图得到并输出最后的分类结果。本发明能在兼顾识别准确率和速度的情况下,识别电子元器件。